matplotlibによる散布図

Question

python matplotlib についての質問です。

添付した写真のようなコードを書きました（以下補足）。

• df2のカラムであるpitch_typeにはaからfまでの6種類の文字列が違う数入っていて、pitch_type_listはその6つの文字列を重複なくリスト化したものです

• 同じくdf2のカラムであるpfx_x_cmとpxf_xz_cmには数値が入っています

この時、pitch_typeそれぞれ対応するpfx_x_cmの平均値をx、pfx_z_cmの平均値をyに当てはめた散布図を作りました。さらに、各プロットの大きさをpfx_x_cmとpfx_z_cmの標準偏差にし、色の濃さでそれぞれのpitch_typeの数で表したいと考えました（6種類のpitch_typeのうち数が多いものほど色が濃いなど）。しかし、色の濃さでデータの数を表す方法がわからずググって試行錯誤してみましたが添付ファイルのようなエラーが出てしまします。

解決策がわかる方がいらっしゃいましたら是非ご教授お願いします。

fig = plt.figure(figsize=(9,9))
ax = fig.add_subplot(1,1,1)

for all_pitch_type in pitch_type_list :

    a = df2.query('pitch_type == @all_pitch_type')
    x = a.pfx_x_cm.mean()
    y = a.pfx_z_cm.mean()
    
    size = (a.pfx_x_cm.std() + a.pfx_z_cm.std())/2 * 1500
 
    cl = a.pitch_type.count() / 10000
    
    ax.scatter(x, y,  s = size, linewidths = 2, c = cl, cmap="Blue")

Comments

[meg_]

「cl」の値は何になっていますか？

Answer 1

ループにて各データを１つずつプロットするのではなく、配列にデータを入れて全てのデータを纒めて描画すると良いかと思います。

とりあえず、下にダミーのデータを使ったサンプルを記述しましたので参考にしてみてください。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 仕様に合わせてダミーのデータをランダムで生成
# -Typeは４種類に減らしてます('A','B','C','D')
# -値の範囲は適当
N = 10000
df2 = pd.DataFrame({
    'pitch_type': np.random.choice(['A','B','C','D'], N,
                                   p=[0.1, 0.2, 0.3, 0.4]),
    'pfx_x_cm': np.random.uniform(0,1,N),
    'pfx_z_cm': np.random.uniform(0,1,N)})
print(df2.head())
#  pitch_type  pfx_x_cm  pfx_z_cm
#0          C  0.358624  0.077219
#1          D  0.857407  0.671054
#2          D  0.803123  0.580689
#3          C  0.224072  0.166999
#4          C  0.090959  0.694175

# グラフに描画するためのデータを構築
def f(d):
    return pd.Series(dict(
        x = d['pfx_x_cm'].mean(),
        y = d['pfx_z_cm'].mean(),
        c = ((d['pfx_x_cm'].std() + d['pfx_z_cm'].std()) / 2),
        s = 2000 * (len(d)/N) # 2000はサイズを調整しているだけの値です
    ))

plot_df = df2.groupby('pitch_type').apply(f)
print(plot_df)
#                   x         y         c      s
#pitch_type
#A           0.498983  0.482088  0.287733  207.6
#B           0.488862  0.517812  0.287330  402.8
#C           0.501381  0.504441  0.290224  588.8
#D           0.499880  0.504987  0.289771  800.8

# グラフを描画
fig = plt.figure(figsize=(9,9))
ax = fig.add_subplot(1,1,1)

c = ax.scatter(x=plot_df.x, y=plot_df.y,
               c=plot_df.c, s=plot_df.s,
               linewidths=2, cmap='Blues')

# 一応 pitch_type も描画しておく(こちらはループを使う必要あり)
for idx, row in plot_df.iterrows():
    ax.text(x=row.x, y=row.y, s=idx, c='r',
            horizontalalignment='center',
            verticalalignment='center')
# Colorbarを描画
fig.colorbar(c, ax=ax)

plt.show()

あまりデータが良くないかも・・・